Ubicación óptima de reconectadores y fusibles en
sistemas de distribución
Optimal location of reclosers and fuses in distribution systems
Juan Pablo Gallego-Londoño
Ing. Electricista
Universidad Tecnológica de Pereira
Pereira, Colombia
jupagallego@utp.edu.co
Ricardo Alberto Hincapié-Isaza
M.Sc. Ing. Eléctrica
Universidad Tecnológica de Pereira
Pereira, Colombia
ricardohincapie@utp.edu.co
Resumen― En este artículo se presenta una metodolo-
gía para resolver el problema de localización óptima de
reconectadores y fusibles en sistemas de distribución
de energía, para mejorar indicadores de confiabilidad
asociados a la frecuencia con la que inciden las fallas
transitorias y permanentes en los sistemas de distribu-
ción. Para formular el problema se plantean dos modelos
matemáticos no lineales de tipo binario que consideran
la ubicación de reconectadores y fusibles bajo dos esce-
narios de coordinación, denominados fuse save scheme
y fuse blow scheme. El primer modelo minimiza el índice
SAIFI y el segundo minimiza el índice MAIFI. El conjun-
to de restricciones es el mismo para ambos modelos,
el cual considera características técnicas y operativas.
Como estrategia de solución se propone una metodolo-
gía que considera dos esquemas diferentes de solución:
la primera emplea el optimizador comercial GAMS y la
segunda usa como técnica de solución un algoritmo ge-
nético de Chu & Beasley (AGCB). Con el fin de verificar
la validez de ambas estrategias, estas son aplicadas a
dos sistemas de prueba de la literatura especializada,
comparando los resultados obtenidos.
Palabras clave― Algoritmo genético, fusibles, confiabi-
lidad, modelo matemático no lineal, sistemas de distri-
bución, reconectadores.
Abstract― In this article a methodology to resolve the
problem of optimal location of reclosers and fuses in
power electric distribution systems is presented, to
improve reliability indices associated to the periodicity
of the transient and permanent failures in the distribu-
tion systems. To formulate the problem, two non-linear
binary mathematical models are posed that consider
the location of reclosers and fuses under two scenarios
of coordination, denominated “fuse save scheme” and
“fuse blow scheme”. The first model minimizes SAIFI in-
Recibido: 15/08/2014 Aceptado: 07/12/2015 ITECKNE Vol. 13 Número 2 • ISSN 1692-1798 • ISSN Digital 2339-3483 • diciembre 2016 • 113 - 126
Oscar Danilo Montoya-Giraldo
M.Sc. Ing. Eléctrica
Universidad Tecnológica de Pereira
Pereira, Colombia
odmontoya@utp.edu.co
Mauricio Granada-Echeverri
Ph.D. en Ingeniería
Universidad Tecnológica de Pereira
Pereira, Colombia
magra@utp.edu.co
dex, and the second model minimizes MAIFI index. The
set of constraints is the same for both models, which
considers technical and operative characteristics. As
solution strategy a methodology is proposed, which
considers two different schemes of solution: the first
scheme uses the commercial optimizer GAMS and the
second scheme uses as solution technique a Chu &
Beasley genetic algorithm (CBGA). In order to verify the
validity of both strategies, these are executed in two
tests systems from the specialized literature, compa-
ring the results obtained.
Keywords― Genetic algorithm, fuses, reliability, nonli-
near mathematical model, distribution systems, reclo-
sers.
1. INTRODUCCIÓN
Los sistemas de distribución son los encarga-
dos de entregar energía a los usuarios de un sis-
tema eléctrico, garantizando criterios de calidad,
confiabilidad y continuidad al menor costo posi-
ble. Sin embargo, la operación de estos sistemas
está sujeta a perturbaciones como fluctuaciones
de voltaje, contenido armónico de las ondas de
voltaje y corriente, variaciones de frecuencia, fa-
llas en los elementos de la red y cortocircuitos en
el sistema, lo que ocasiona algunas veces indis-
ponibilidad en el servicio. Debido a esto los entes
reguladores exigen cada vez más a los operadores
de red, con el fin de mejorar las características
operativas de los sistemas de distribución y ga-
rantizar un mejor servicio para los usuarios.
114 ITECKNE Vol. 13 Número 2 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • diciembre 2016 • 113 - 126
Como respuesta a las exigencias de los entes
reguladores y a las condiciones operativas de
los sistemas de distribución, los operadores de
red han desarrollado diferentes estrategias que
permitan dar cumplimiento a estas exigencias. De
acuerdo con esto, en los últimos años se ha em-
pleado la ubicación de elementos de protección
como reconectadores y fusibles sobre las redes
de distribución [1], debido a su efectividad para
proteger estos sistemas, su bajo costo comparado
con equipos de protección en subestaciones y su
flexibilidad para coordinarlos.
Tradicionalmente los reconectadores se han
empleado como protección primaria a la salida de
la subestación o como protección de secciones de
la red al estar ubicada a lo largo de su recorrido.
Debido a la característica de reconexión que pre-
senta este elemento, los índices de confiabilidad
del sistema mejoran significativamente debido a
la propiedad de discriminar fallas permanentes de
temporales, a partir de la duración que estas pre-
sentan. Por otro lado, los fusibles se han emplea-
do tradicionalmente como protección a lo largo de
las redes de distribución, teniendo como caracte-
rística principal su operación ante cualquier tipo
de falla (permanente o temporal). Esta situación
puede empeorar en algunos casos los indicadores
de confiabilidad, ya que la actuación del fusible
puede generar indisponibilidad del servicio por
una operación permanente por fallas temporales.
De acuerdo con esto, los reconectadores pue-
den ser empleados en conjunto con los fusibles,
con el fin de garantizar que estos últimos no ac-
túen ante la presencia de fallas temporales. Esta
característica operativa se logra empleando un
esquema conocido como salvamento de fusibles,
en el cual se garantiza que siempre operen prime-
ro los reconectadores y después los fusibles.
A pesar de que la operación conjunta de re-
conectadores y fusibles mejora indicadores de
confiabilidad del sistema, encontrar el punto de
ubicación de estos elementos sobre las redes ge-
nera un problema adicional, debido a la cantidad
de ramificaciones y tramos de red que contiene
un sistema de distribución, a los diferentes tipos
de carga y a la longitud que posee, lo que oca-
siona un problema de tipo combinatorial debido
a la gran cantidad de alternativas de solución
posibles. Adicionalmente, una inadecuada loca-
lización de estos elementos puede presentar los
siguientes inconvenientes: indisponibilidad en el
servicio, sobrecostos a causa de exceso de ubi-
cación de elementos, fluctuaciones de voltaje,
aumento del nivel de energía no servida y penali-
zaciones debido al incumplimiento de indicadores
de confiabilidad.
De acuerdo con lo anterior, la ubicación óptima
de elementos de protección es un tema que ha co-
brado gran interés en el sector eléctrico, en espe-
cial para los operadores de red, haciendo de esta
temática un área de investigación en desarrollo,
que aún falta por explorar y que además presenta
una gran cantidad de investigaciones y proyectos
orientados a mejorar o solucionar este problema.
En general, el impacto que tiene en los usuarios la
ubicación óptima de los diferentes dispositivos de
protección está relacionado con el mejoramiento
de los índices que corresponden a la frecuencia y
la duración de las interrupciones [2]-[3]. A conti-
nuación se presentan los trabajos más relevantes
en torno a esta temática.
En 1997 Kagan et al. [4] presentaron una me-
todología para minimizar la cantidad de energía
no servida en redes de distribución primaria, a
través de la sustitución e inserción de dispositivos
de protección. La metodología propuesta conside-
ra algunos aspectos como la reconfiguración de la
red, representación de la red por zonas de carga
y análisis del costo/beneficio de la instalación de
estos dispositivos.
Soudi et al., en 1998 [5], describieron el
problema con un modelo matemático binario,
el cual permite identificar el tipo y la ubicación
de los dispositivos de protección en redes de
distribución. El algoritmo propuesto usa técnicas
heurísticas para minimizar el tiempo de cómputo.
La función objetivo empleada busca minimizar el
índice de frecuencia promedio de interrupciones
permanentes del sistema (SAIFI). Estos mismos
autores en 2001 [6] plantean el problema como
un modelo no lineal binario con restricciones linea-
les. La formulación de este trabajo supone la divi-
sión de la red de distribución en cuatro categorías
diferentes: un alimentador principal y tres tipos de
laterales. En la aplicación de la metodología solo
el alimentador principal y ciertos tramos de red
son explícitos para ser optimizados. Además los
autores proponen lograr un razonable equilibrio
entre la disminución del SAIFI y un aumento en el
índice de frecuencia promedio de interrupciones
Ubicación óptima de reconectadores y fusibles en sistemas de distribución - Gallego, Montoya, Hincapié, Granada
momentáneas del sistema (MAIFI) para determi-
nar dónde es posible usar un esquema de salva-
mento de fusibles. En ese mismo año Kagan et
al. [7] presentaron un modelo para determinar y
minimizar los índices de duración y frecuencia de
las fallas para una red de distribución primaria,
en la que los índices de calidad del servicio son
considerados a través de las tasas medias de falla
y el tiempo de restauración del servicio.
Silva en 2002 [8] plantea una formulación ma-
temática para el problema de ubicación de dispo-
sitivos de protección, que considera la posibilidad
de adicionarlos en lugares estratégicos, buscando
mejorar el índice de confiabilidad de la red. El
modelo matemático propuesto corresponde a un
problema de programación no lineal con variables
de tipo binario, el cual considera una función ob-
jetivo no lineal con un conjunto de restricciones
lineales. En la solución del problema se emplea
un algoritmo evolutivo. Este mismo autor en 2005
[9] propone un modelo de programación no lineal
entero mixto, con el fin de resolver la ubicación
de seccionalizadores y dispositivos de protección
en redes de distribución. Esta propuesta tiene
como objetivo reducir el tiempo de desconexión
de la red, debido a fallas temporales y minimizar
el número de consumidores afectados, garanti-
zando confiabilidad y bajos costos, logrando de
esta manera un aumento en las utilidades de las
empresas y el cumplimiento riguroso de la regla-
mentación establecida por parte de los organis-
mos de control.
Moreti en 2007 [10] presenta una metodo-
logía para ubicar dispositivos de protección en
sistemas de distribución primaria, considerando
generación distribuida. El modelo matemático
supone la minimización de la energía no servida
sujeto a un conjunto de restricciones técnicas
y operativas, empleando una técnica heurística
para su solución.
Reyes et al. [11] presentan una metodología
para la ubicación óptima de reconectadores
automáticos en sistemas de distribución con el
objetivo de minimizar la frecuencia media de inte-
rrupción del servicio bajo la reglamentación vigen-
te en Chile. Son consideradas en el análisis redes
radiales con carga uniformemente distribuida y se
realiza una aproximación lineal en el modelado
matemático del problema.
115
Kim et al. en 2010 [12] proponen el análisis
para la ubicación y coordinación óptima de fusi-
bles y reconectadores en sistemas de distribución
empleando una técnica heurística. Para verificar
el comportamiento de las protecciones después
de haber sido ajustadas, los autores emplean
sistemas de prueba reales usando el software
PSCAD/EMTDC. En este mismo año Ferreira et
al. [13] emplean optimización multi-objetivo para
minimizar índices como TIEPI (Tiempo de Interrup-
ción Equivalente de la Potencia Instalada), SAIDI
y MAIFI a través de la asignación óptima de ele-
mentos de protección. Para obtener una solución
se emplea el algoritmo genético de ordenamiento
no dominado NSGA II (Nondominated Sorting Ge-
netic Algorithm II).
Darabi et al. en 2011 [14] plantean un mé-
todo de programación binaria para la ubicación
de dispositivos de protección como reconecta-
dores, fusibles y seccionalizadores, empleando
el índice SAIDI. El método propuesto es evalua-
do a partir de la implementación en el software
Visual Studio. Este mismo año Toro et al. [15]
proponen un modelo matemático de tipo binario
para la ubicación de elementos de protección a
partir de una técnica que consiste en dividir el
circuito de distribución en una sección principal
y ramales laterales. En este trabajo se busca
mejorar los índices de confiabilidad SAIFI y ASI-
FI. El modelo es resuelto utilizando el paquete
de optimización GAMS.
Ferreira et al. en 2012 [16] mostraron un
nuevo modelo del problema con una represen-
tación no lineal de tipo binario, cuyo objetivo
es minimizar los índices SAIFI y ASIFI en un ali-
mentador de distribución radial. El modelo mos-
trado no requiere decisiones heurísticas sobre
la división del alimentador y clasificación de las
ramas. Para resolver el modelo propuesto se
usa una técnica de optimización basada en el
algoritmo de Branch-and-Bound. En este mismo
año, Peñuela en su tesis doctoral [17] propone un
modelo matemático para determinar el impacto
de fuentes de generación distribuida en sistemas
de distribución de energía, sobre el planeamiento
de sistemas de distribución, considerando cuatro
tipos de dispositivos de protección (reconectado-
res, seccionalizadores, fusibles y relés). El modelo
es resuelto mediante la técnica de optimización
multi-objetivo NSGA II y se valida en diferentes
116 ITECKNE Vol. 13 Número 2 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • diciembre 2016 • 113 - 126

sistemas de prueba de la literatura especializada. sistemas de prueba de la literatura especializada,

También en el año 2012 Tio et al. [18] presentan
un modelo de programación no lineal binaria
para los indicadores SAIFI y MAIFI en función de
la ubicación de reconectadores y fusibles en un
sistema de distribución de energía con caracterís-
ticas radiales. En el modelo es tenido en cuenta el
comportamiento del sistema con y sin salvamento
de fusibles. El modelo es resuelto a través de un
paquete de optimización comercial y es construido
un frente óptimo de Pareto con una metodología
de ponderación en las funciones objetivo.
Abdi et al. en 2013 [19] plantean una metodo-
logía basada en el análisis costo/beneficio para
la ubicación óptima de reconectadores y seccio-
nalizadores, cuya función objetivo considera la
minimización de los costos de la confiabilidad de
los sistemas de distribución. Además presentan
un método híbrido basado en enjambre de partí-
culas y simulación de Monte Carlo para solucionar
el problema.
Con el fin de solucionar el problema de la
ubicación óptima de reconectadores y fusibles en
sistemas de distribución para el mejoramiento de
índices de confiabilidad, en este trabajo se pro-
pone una metodología que considera dos estra-
tegias diferentes de solución: la primera emplea
un optimizador comercial y la segunda usa como
técnica de solución un AGCB; se decidió emplear
esta metaheurística debido a sus resultados sa-
tisfactorios en trabajos similares. Para describir el
problema se emplean dos modelos matemáticos
no lineales de tipo binario. El primero minimiza el
índice SAIFI y el segundo el índice MAIFI. El con-
junto de restricciones es el mismo para ambos
modelos, el cual considera características técni-
cas y operativas. Con el fin de verificar la validez
de ambas estrategias, estas son aplicadas a dos
2. 1 Nomenclatura
comparando los resultados obtenidos.
Este trabajo es organizado de la siguiente for-
ma. En la sección 2 se describe la formulación y
descripción del problema, además de los modelos
matemáticos con sus funciones objetivo y sus res-
pectivas restricciones. En la sección 3 se describe
el AGCB y sus principales características. En la
sección 4 se presenta la metodología propuesta
para solucionar el problema. La sección 5 muestra
la aplicación de la metodología propuesta en dos
sistemas de distribución de características rea-
les. Finalmente se encuentran las conclusiones
y recomendaciones derivadas de este proyecto,
además de la bibliografía empleada.
2. MODELADO MATEMÁTICO
La ubicación de los dispositivos de protección
en sistemas de distribución corresponde a un pro-
blema de alta complejidad matemática, ya que,
para minimizar los indicadores de confiabilidad
a partir de la localización de los elementos de
protección sobre la red, se requiere de un modelo
matemático que evalúe dichos indicadores en
función del número de usuarios, las tasas prome-
dio de fallas en los tramos de red y la disposición
del esquema de protecciones en el sistema de
distribución. Por las condiciones anteriores, el
modelo matemático resultante es de tipo no lineal
binario y de característica polinómica, en el cual
es considerada la ubicación de fusibles y reconec-
tadores, bajo dos esquemas de operaciones en
forma simultánea. En la sección 2.1 se presenta
la nomenclatura empleada en la formulación de
las funciones objetivo y cada uno de los términos
que las componen, además de las restricciones
generales del problema.

Conjuntos, índices y parámetros

Función que retorna el conjunto de tramos de red en el camino de la subestación al tramo de red
F(i) :
i, incluyendo el tramo inmediatamente después de la subestación y excluyendo el tramo de red i.
Función que retorna el conjunto de tramos de red en el camino de la línea j a la línea i, excluyendo
G(j,i) :
la línea j e incluyendo la línea i.
Función que retorna el conjunto de tramos de red en el camino de la línea j a la línea i, excluyendo
G'(j,i) :
tanto la línea j como la línea i.
Función que retorna el tramo de red inmediatamente aguas abajo de la línea j en el camino a la
h(j,i) :
línea i.
Ubicación óptima de reconectadores y fusibles en sistemas de distribución - Gallego, Montoya, Hincapié, Granada 117

Función que retorna el conjunto de tramos de red en el camino de la subestación al tramo de red i,
I(i) :
donde dicho tramo corresponde a una línea final.
i,j : Índices que recorren los tramos de red.
k : Índice que toma valores del conjunto G(j,i) y del conjunto G'(j,i).
L : Conjunto de todos los tramos de red.
Ni : Número de clientes atendidos por el tramo de red i.
Ni ' : Número total de clientes aguas abajo del tramo de red i.
Nt : Número total de clientes atendidos por el alimentador.
Número máximo de elementos de corte en cascada en las trayectorias desde la subestación a los
NC :
nodos finales.
NTt : Norma de la trayectoria t.
mi : Tasa de fallas permanentes en el tramo de red i.
ci : Tasa de fallas temporales en el tramo de red i.
t : Índice que representa la trayectoria contenida en I(j,i)

Variables binarias

xi1 : Define la instalación (xi1=0) o no (xi1=1) de un reconectador en el tramo de red i.

xi2 : Define la instalación (xi2=0) o no (xi2=1) de un fusible en el tramo de red i.
xi4 : Define la instalación (xi4=0) o no (xi4=1) de un fusible con esquema de salvamento en el tramo de
red i.

Con el fin de interpretar de manera adecuada la
nomenclatura presentada, considérese el sistema
un sistema de distribución radial como el presen-
tado en la sección de aplicación y resultados (ver
Fig. 4 y Tabla I). Para este sistema se analizan, a
manera de ejemplo, los tramos de red 1, 2 y 4.
El tramo de red tiene 5400 usuarios por lo que
N'1=5400, así mismo N'2=3400 y N'4=800. Para la
función F(i) en tramo de red 1, según la defini-
ción dada se genera un conjunto vacío F(1)={},
mientras que para el tramo de red 2 el conjunto
ya no es nulo F(2)= {1} y F(4)= {1,2,3}. Al analizar
la función G(j,i) se tiene que G(1,2)= {2}, G(1,4)=
{2,3,4} y G(2,4)= {3,4}. Por otro lado, si se observa
la función G'(j,i), en su definición se indica que en
el camino de la línea j hacia la línea i se excluyen
ambos elementos por lo cual se llega a G'(1,2)=
{}, G'(1,4)= {2,3} y G'(2,4)= {3}. Considerando
ahora la función h(j,i), esta retorna el tramo in-
mediatamente aguas debajo de j en su camino
hacia i, por lo cual se tiene h(1,2)= {2}, h(1,4)=
{2} y h(2,4)= {3}. Nótese que G(4,2)= {}, G'(4,2)=
{} y h(4,2)= {} son vacíos puesto que el tramo
de red j siempre debe estar aguas arriba de i y
en este caso no se cumple está condición. Para
el caso de la función I(i), esta sólo tiene sentido
para los tramos de red finales, es decir, para el
caso de ejemplo, los tramos 6, 7, 8, y 9. Siendo
así, I(6)={1,5,6}, I(7)={1,2,7}, I(8)={1,2,3,8} e .
9)={1,2,3,4,9}.
2. 2 Función objetivo SAIFI
El índice SAIFI representa el promedio de las
interrupciones por cliente y se calcula como el
cociente entre la suma total de interrupciones
percibidas por cada cliente sobre el número total
de clientes atendidos. Este indicador es de gran
utilidad para las empresas distribuidoras de ener-
gía eléctrica porque representa la calidad media
del sistema. En forma general, el índice SAIFI (1)
puede calcularse según [18], como se muestra a
continuación:
SAIFI =
| mi * Ni
i!L Aq
= N ^1h
Nt t
El término Aq en la parte derecha de (1) se pue-
de expresar como una ecuación no lineal binaria
118 ITECKNE Vol. 13 Número 2 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • diciembre 2016 • 113 - 126
en términos de la ubicación de los dispositivos de
protección, como se presenta en (2).
JK | m i * N il + | c i ^ 1 - x i2 h * N il + NO
K OO
1 KK i ! L
SAIFI = N KK | m i | ^ N lj - N hl(j,i) h % x k1 x k2 x k4 + OO ^ 2 h
i!L
O
t K i!L OO
KK | c i | ^ 1 - x j2 h * N lj % x k1 x k2 OOO
KK j ! F (i) k ! G (j, i)
L i ! L j ! F(i) k ! G (j, i)
P usuarios aguas abajo de un fusible sin esquema
De la ecuación (2) se tiene que el primer y el
tercer término corresponden a la influencia de
las fallas permanentes en el SAIFI y el segundo y
cuarto término corresponden a la influencia de las
fallas temporales sobre el mismo indicador.
El primer término indica que cuando una falla
permanente ocurre a lo largo del tramo de red i, los
usuarios aguas abajo experimentan una interrup-
ción sostenida. El segundo término corresponde a
la afectación que produce una falla temporal a lo
largo del tramo de red i. El tercer término indica
que los usuarios aguas arriba de la sección i has-
ta el reconectador o fusible más cercano, también
experimentan una interrupción sostenida. El cuar-
to término representa el comportamiento de los
usuarios aguas arriba del tramo de red i donde se
presenta la falla temporal. Es importante aclarar
que un fallo temporal a lo largo de la sección i solo
se convertirá en fallo permanente si el dispositivo
aguas arriba más cercano es un fusible.
2. 3 Función objetivo MAIFI
El índice MAIFI representa el promedio de las
interrupciones temporales del sistema por cliente
y se calcula como el cociente entre la suma total
de interrupciones temporales percibidas por cada
cliente sobre el número total de clientes atendi-
dos. En forma general, la función MAIFI puede
calcularse según [18], como se presenta en (3):
MAIFI =
| I!Lci * Ni A
= Nm ^3h
Nt t nación de las protecciones y disminuir el tiempo
Al igual que se hizo con la ecuación (1), el
numerador ubicado en la parte derecha de (3)
se puede representar como una ecuación binaria
en término de la ubicación de los dispositivos de
protección, como se muestra en (4):
JK
KK c 1 ^ 1 - x i1 h * N il + c i | ^ 1 - x j1 h * N il % x k1 x k2 +
m i ^ 1 - x i4 h | ^ 1 - x j1 h^ N lj - N ilh % x k1 x k2 +
j ! F (i)
1 KK
MAIFI = N K
tK
KK
KKb m i | ^ 1 - x j1 h | ^ 1 - x k4 h^ N lj - N kl h % x m1 x m2 x m4 % x n1 x n2 lOOO
j ! F (i)
L j ! F (i) k ! G l (j, i)
De la ecuación (4) se tiene que el primer y
segundo término corresponde a las fallas tempo-
rales del MAIFI. Una falla permanente a lo largo
de la sección se convertirá en falla temporal si el
dispositivo de protección aguas arriba más cerca-
no es un fusible con esquema de salvamento. Los
de salvamento experimentan una falla perma-
nente y esta no contará en el modelo MAIFI. Sin
embargo, los clientes protegidos por el reconecta-
dor aguas arriba más cercano, experimentan una
falla temporal, lo que se ve reflejado en el tercer y
cuarto término.
2. 4 Restricciones
Para el modelo planteado se tienen las si-
guientes consideraciones previas: los dispositivos
están en perfecto estado y están ubicados en las
tres fases, las fallas son mutuamente excluyentes
e independientes y la topología del sistema es
siempre radial e invariante.
Las restricciones del modelo que correspon-
den a un conjunto de ecuaciones lineales binarias
descritas por las ecuaciones (5) a (10), plantean
las condiciones descritas a continuación.
La ecuación (5) indica que solo un dispositivo
puede ser instalado en un tramo de red, es decir:
x i1 + x i2 + x i4 $ 2 ^5h
La ecuación (6) indica si un reconectador o un
fusible es requerido en el tramo de red i, es decir,
tramos de red donde es necesario la presencia
de alguno de los dispositivos. En (7) se presenta
la restricción que limita el número de elementos
en cascada en las trayectorias que van desde la
subestación hasta los nodos finales del sistema,
con el fin de minimizar la complejidad de coordi-
de operación de los dispositivos:
x i1 + x i2 + x i4 = 2 ^6h
|x i1 + x i2 + x i4 $ NTt - NC (7 )
t!I
NO
OO
k ! G^ j, i h
^4h
OO
OO
O
k ! G l (j, i)
n ! G l ^ j, i h
m ! G (k, j)
P
Ubicación óptima de reconectadores y fusibles en sistemas de distribución - Gallego, Montoya, Hincapié, Granada
La ecuación (8) presenta el caso en que no se
pueda lograr la coordinación de diferentes disposi-
tivos, es decir, la coordinación entre un dispositivo
Y en la posición j y el dispositivo Z en la posición
k. En (9) y (10) se presentan las restricciones cuya
función es evitar la ubicación de un reconectador
aguas abajo de un fusible o para evitar la ubica-
ción de un fusible con esquema de salvamento
aguas abajo de un fusible. Es preciso indicar que
para las restricciones (9) y (10), la sección j está
ubicada aguas debajo de la sección i.
x jY + x kz $ 1 ^8h
x i2 + x i4 + x j1 $ 2 ^9h
x i2 + x j4 $ 1 ^ 10 h
Es importante aclarar que el modelo aquí
desarrollado es solo aplicable a redes eléctricas
radiales, pues carece de sentido hablar de tramos
de red aguas abajo o aguas arriba, cuando existe
más de un camino hacia la subestación. Adicio-
nalmente, las redes enmalladas, deben ser ana-
lizadas con esquemas de protección diferentes a
los aquí presentados, puesto que la bidirecciona-
lidad del flujo de potencia implica esquemas de
protección bidireccionales, el cual es un abordaje
que no está contemplado en este trabajo.
2. 5 Modelo matemático completo
El modelo matemático completo para la loca-
lización óptima de reconectadores y fusibles en
sistemas de distribución corresponde a la minimi-
zación de los indicadores SAIFI o MAIFI definidos
en (2) y (4), sujeto al conjunto restricciones (5) a
(10). En forma general ambos modelos matemáti-
cos pueden ser escritos como (11) y (12):
min SAIFI : Ecuación (2)
(11)
s.a. Ecuaciones {(5) a (10)}
Fig. 1. ESQUEMA DE CODIFICACIÓN EMPLEADO
Reconectadores Fusibles sin esquema de salvamento
1 2 … n n+1 n+2
0 1 … 1 0 0
119
min MAIFI : Ecuación (4)
(12)
Ecuaciones {(5) a (10)}
s.a.
3. TÉCNICA DE SOLUCIÓN
El algoritmo genético básico (AG) fue inicial-
mente formulado por Holland [20] y está basado
en el proceso de selección natural que se presen-
ta en la naturaleza, en el cual los individuos más
adaptados tienen más posibilidad de sobrevivir y
transmitir su código genético a su descendencia.
Matemáticamente un AG es considerado como
una técnica de optimización combinatorial, que
tiene una alta probabilidad de encontrar las solu-
ciones globales de problemas complejos de gran
tamaño y con muchos óptimos locales. Para pro-
fundizar en la teoría básica de los AG se pueden
consultar [21]-[22].
3. 1 Algoritmo genético de Chu & Beasley
En este trabajo el AGCB para resolver el proble-
ma de la asignación generalizada de tareas pro-
puesto por Chu & Beasley [23], es empleado para
solucionar el problema de localización óptima de
dispositivos de protección en redes radiales de
distribución de media tensión, ya que existen gran
cantidad de reportes en la literatura especializada
de adaptaciones exitosas de esta clase de algorit-
mos de optimización a sistemas eléctricos.
3. 2 Metodología de construcción de un AGCB
3.2.1 Codificación
Con el fin de representar el problema de locali-
zación óptima de reconectadores y fusibles en sis-
temas de distribución se emplea un esquema de
codificación binaria como el presentado en la Fig.
1, donde el tamaño del vector codificación es tres
veces el número de tramos de red del sistema.
Fusibles con esquema de salvamento
… 2n 2n+1 2n+2 … 3n
… 1 1 0 … 0
120 ITECKNE Vol. 13 Número 2 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • diciembre 2016 • 113 - 126
La primera parte del vector corresponde a la
ubicación de los reconectadores, la segunda parte
representa los fusibles sin esquema de salvamen-
to, y la última parte corresponde a los fusibles con
esquema de salvamento. Cuando en una posición
del vector se tiene el valor de cero (0), se indica
que el elemento fue instalado en dicha posición,
en caso contrario aparecerá un uno (1).
3.2.2 Población inicial
Se obtiene generando una parte con algorit-
mos heurísticos constructivos y la otra parte usan-
do soluciones aleatorias controladas. En lo que
corresponde a los algoritmos constructivos, se
utiliza un indicador de sensibilidad para obtener
una solución aproximada del problema, y a partir
de esta solución son introducidas perturbaciones
aleatorias en la vecindad, hasta obtener una can-
tidad predeterminada de soluciones. En cuanto a
las soluciones aleatorias controladas se debe te-
ner un conocimiento previo del problema y de las
soluciones que pueden aparecer, con el objetivo
de guiar el proceso de generación de los valores
más adecuados para las variables y de la cantidad
de variables de decisión que deben tener valores
diferentes de cero. En el caso del AGCB los indivi-
duos de la población inicial deben ser diferentes
y se debe cumplir con el criterio de diversidad
(distancia mínima entre soluciones) [24].
3.2.3 Criterio de diversidad
En cualquier ciclo generacional, cada solución
de la población debe conservar una distancia
mínima de separación respecto a los otros (diver-
sidad controlada), excepto en los casos en que
aplica el criterio de aspiración. Con el criterio de
diversidad se garantiza una mejor exploración del
espacio de soluciones, evitando así la convergen-
cia prematura, siendo esta una gran diferencia
respecto al algoritmo genético básico.
3.2.4 Función objetivo e infactibilidad
En el AGCB se evalúa para cada individuo una
función objetivo y un indicador de infactibilidad.
Estas dos se almacenan por separado y se utilizan
para propósitos diferentes. La función objetivo se
encarga de la selección y de la sustitución de un
individuo cuando se tiene una población factible.
La infactibilidad se emplea únicamente para susti-
tuir un individuo de la población cuando aparecen
soluciones infactibles en la población, haciendo
esta una de las características más significativas
del AGCB porque a diferencia del AG básico, no
existe el factor de penalidad por el cual tengan
que ser multiplicadas las infactibilidades, por lo
que al no involucrar este factor, se evita ingresar
al algoritmo valores subjetivos.
3.2.5 Selección
El AGCB utiliza el método de selección por
torneo, donde se realizan dos torneos para selec-
cionar los dos padres correspondientes. En cada
torneo participan n individuos (donde n esta entre
2 y 4). Cada torneo se realiza de la siguiente ma-
nera. Se seleccionan n individuos y se comparan
sus funciones objetivo y el que tenga la mejor se
almacena en la posición que le corresponde, ya
sea el padre 1 o el padre 2. Luego de tener los
dos padres, ambos pasan al proceso de recom-
binación.
3.2.6 Recombinación
Es el intercambio de material genético de los
padres, se hace utilizando cualquier método de
recombinación [17-19]. Después de realizada la
recombinación se generan dos descendientes,
cada uno con material genético de cada uno de
los padres, pero solo uno puede avanzar a la si-
guiente generación y el otro será desechado. La
selección del descendiente seleccionado puede
ser de forma aleatoria o de forma controlada.
3.2.7 Mutación
El descendiente seleccionado corresponde a
un vector que contiene algunos valores específi-
cos en cada una de las posiciones asociadas a las
variables de decisión del problema. En este proce-
so de mutación se seleccionan aleatoriamente n
de estas posiciones para aumentar o disminuir su
contenido. Esta decisión de aumentar o disminuir
también puede ser controlada o aleatoria.
3.2.8 Mejoría local de un individuo
Puede hacerse de dos formas: mejorando su
función objetivo o disminuyendo su infactibilidad.
Cualquiera de las dos formas se puede auxiliar de
un algoritmo heurístico constructivo basado en
la sensibilidad; para el caso de la infactibilidad,
Ubicación óptima de reconectadores y fusibles en sistemas de distribución - Gallego, Montoya, Hincapié, Granada 121

puede ser usado un algoritmo que identifique y desarrollo de un algoritmo genético para proble-
elementos atractivos para ser adicionados o reti- mas de optimización combinatorial.
rados para hacer la solución factible. Fig. 2. DIAGRAMA DE FLUJO DEL AGCB

3.2.9 Modificación de la población

En el AGCB solo se cambia un individuo en cada

ciclo generacional, siempre y cuando sea de mejor
calidad y cumpla el criterio de diversidad. En el
AGCB se pueden tener los siguientes escenarios:
• Una población infactible y un descendiente in-
factible: el descendiente infactible hará parte
de la población solo si el nuevo integrante es
menos infactible.
• Una población factible y un descendiente in-
factible: este será eliminado y no hará parte
de la siguiente generación.
• Una población infactible y un descendiente
factible: este tomará la posición del individuo
menos factible de la población.
• Una población factible y un descendiente
factible: este tomará la posición del individuo
con peor función objetivo solo si este nuevo
descendiente posee una mejor función objeti- Fuente: autores
vo, de lo contrario, será desechado.
4. METODOLOGÍA PROPUESTA
3.2.10 Criterio de parada
A continuación en la Fig. 3 se describe la
El AGCB será interrumpido si la incumbente no
metodología propuesta para el problema de ubi-
mejora después de un número especificado de
cación óptima de reconectadores y fusibles en
iteraciones o si se satisface el número máximo de
sistemas de distribución para el mejoramiento
ciclos generacionales.
de los índices de confiabilidad SAIFI y MAIFI. Se
3.2.11 Definición de parámetros de control puede observar que la metodología considera dos
estrategias: solucionar el problema empleando
La efectividad del AGCB para resolver un pro- el optimizador comercial GAMS o empleando un
blema específico depende en buena parte de la AGCB. La ventaja de emplear ambas estrategias
codificación, y si ha sido diseñada adecuadamente es que se puede verificar la calidad de las solu-
la población, convergerá hacia una buena solución; ciones. Sin embargo, el AGCB permite encontrar
sin embargo, esto no garantiza que se encuentre soluciones óptimas alternativas diferentes a las
una solución de mejor calidad. Algunas veces, de encontradas con GAMS.
acuerdo con el tamaño del problema, para en- Es preciso aclarar que los fusibles para ubicar
contrar soluciones de mejor calidad se procede a en el sistema de prueba, ya sea para mejorar el
calibrar el comportamiento del AG modificando los índice SAIFI o el índice MAIFI, son de las mismas
parámetros de control (el tamaño de la población, características, con la particularidad que tiene un
la tasa de crossover ρc y la tasa de mutación ρm). esquema de coordinación diferente.
La implementación de la metodología y su
3. 3 Esquema general de implementación de un
AGCB aplicación, para los dos sistemas de prueba, se
realizó en el software MATLAB y el paquete de
En el diagrama de bloques de la Fig. 2 se pre- optimización comercial GAMS.
senta un esquema general de la implementación
122 ITECKNE Vol. 13 Número 2 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • diciembre 2016 • 113 - 126
En los dos sistemas se hace un análisis com-
parativo entre los resultados obtenidos con GAMS
y el AGCB con el fin de mostrar la validez y eficien-
cia de estas estrategias.
Fig. 3. DIAGRAMA DE FLUJO DE LA METODOLOGÍA PROPUESTA
Fuente: autores
5. APLICACIÓN Y RESULTADOS
El primer sistema de prueba es comúnmente
empleado en la literatura especializada para
validar modelos matemáticos, el cual permite un
máximo de cuatro reconectadores para instalar y
no hay límite en la ubicación de fusibles. Para el
segundo sistema permanece libertad de usar un
número indefinido de fusibles, pero con la condi-
ción de que no pueden instalarse más de seis ele-
mentos en cascada para evitar complicaciones en
su coordinación, con el fin de reducir los tiempos
de operación.
5. 1 Sistema de prueba 1
Para este sistema, presentado en la Fig. 4
[18], se tiene una red radial compuesta por nueve
tramos de red y diez nodos, incluyendo la subes-
tación, la cual alimenta un total de 5000 usuarios.
Los datos de este se presentan en la Tabla I.
Fig. 4. SISTEMA DE PRUEBA DE 9 SECCIONES
Fuente: autores
En la implementación del AGCB se emplea
una población de 1000 individuos, un número de
generaciones variable entre 50000 y 100000,
con una tasa de mutación de 0.05 y una tasa de
recombinación de 0.95.
5.1.1 Indicador SAIFI
Al aplicar el modelo de optimización descrito
en (12) se obtiene las respuestas presentadas en
la Tabla II a través de la valoración del modelo en
GAMS y con el AGCB.
En la Tabla II se observan los resultados obte-
nidos con las dos técnicas de solución. Se observa
que varía la ubicación de los dispositivos de protec-
ción, pero se mantiene el mismo valor de función
objetivo, es decir, presenta óptimos alternativos.
Con el AGCB, además de encontrar la solución
dada por GAMS, también se encuentran otras so-
luciones en las que la ubicación de dispositivos es
diferente, pero con igual valor de función objetivo
(ver Tabla III). De acuerdo con esto, depende del
operador de red seleccionar cuál se ajusta más
a sus necesidades, en función de otras variables
que no están contenidas en este trabajo.
De acuerdo con los resultados obtenidos en
este sistema de prueba, se observa que para
mejorar el índice SAIFI es necesario implementar
fusibles para salvamento en vez del otro tipo de
fusibles, pues los fusibles para salvamento hacen
ver la interrupción de una forma temporal, es de-
cir, disminuye el número de fallas permanentes.
5.1.2 Indicador MAIFI
Para este índice se obtienen también varias
respuestas, entre ellas la respuesta dada por el
Ubicación óptima de reconectadores y fusibles en sistemas de distribución - Gallego, Montoya, Hincapié, Granada 123

paquete de optimización comercial. En la Tabla IV
se muestran los resultados obtenidos con las dos
estrategias de solución. Se observa que varía la
ubicación de dispositivos, aunque con igual valor
de la función objetivo.
De acuerdo con los resultados obtenidos, se
observa que para mejorar el índice MAIFI es ne-
cesario implementar un esquema en el cual no se
tienen en cuenta los fusibles para salvamento, ya
que estos hacen que las interrupciones que ocu-
rren en el sistema sean temporales.
TABLA I
DATOS DEL SISTEMA DE PRUEBA 1
Los fusibles por ubicar en el sistema de prue-
ba, ya sea para mejorar el índice SAIFI o el índice
MAIFI, son de las mismas características, con la
particularidad de que tienen un esquema de coor-
dinación diferente.
Después de analizar este sistema de prueba
se observa que para los índices SAIFI o MAIFI es
más eficiente el AGCB, ya que proporciona más
soluciones que un paquete de optimización co-
mercial, dando así más opciones a las empresas
prestadoras del servicio eléctrico.

Nodo de Nodo de Tasa de fallas permanentes Tasa de fallas temporales Número de consumidores
Sección
envío recibo [fallas/año/km] [fallas/año/km] por tramo
1 1 2 0,8 1,2 800
2 2 3 0,8 1,4 1200
3 3 4 0,9 1,6 800
4 4 9 0,7 1 600
5 2 5 0,9 2 500
6 5 6 0,7 1,7 300
7 3 7 0,8 2,8 400
8 4 8 1 3,2 200
9 9 10 0,5 0,7 200
Fuente: autores

TABLA II
RESPUESTA PARA EL ÍNDICE SAIFI EN EL SISTEMA DE PRUEBA 1

Ubicación de dispositivos
Estrategia de solución SAIFI
Reconectador Fusible Fusible para salvamento
AGCB 1,3,4,9 -- 5,6,7,8 2.346
GAMS 1,3,4,5 -- 6,7,8,9, 2.346
Fuente: autores

TABLA III
RESPUESTAS ADICIONALES PARA EL ÍNDICE SAIFI EN EL SISTEMA DE PRUEBA 1

Óptimos alternativos en- Ubicación de dispositivos

SAIFI
contrados con el AGCB Reconectador Fusible Fusible para salvamento
Respuesta adicional 1 1,3,4 -- 5,6,7,8,9 2.346
Respuesta adicional 2 1,3,4,7 -- 5,6,8,9 2.346
Respuesta adicional 3 1,3,4,8 -- 5,6,7,9 2.346
Fuente: autores

TABLA IV
RESPUESTA PARA EL ÍNDICE MAIFI EN EL SISTEMA DE PRUEBA 1

Ubicación de dispositivos
Estrategia de solución MAIFI
Reconectador Fusible Fusible para salvamento
AGCB 1,3,4 5,7,8,9 -- 3.336
GAMS 1,3,4 5,6,7,8,9 -- 3.336
Fuente: autores
124 ITECKNE Vol. 13 Número 2 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • diciembre 2016 • 113 - 126
5. 2 Sistema de prueba 2
Este sistema pertenece a la compañía de
distribución de Qazvin en Irán [19], el cual está
compuesto por cuarenta y nueve tramos de red y
cincuenta nodos que alimentan un total de 3413
usuarios. Su topología y características pueden
ser consultadas en [19].
Para la implementación del AGCB se emplea
una población de 1000 individuos y un rango de
generaciones entre 50000 y 100000. Las tasas
de mutación y de recombinación son 0.05 y 0.95,
respectivamente.
Al igual que con el sistema de prueba 1, se
desarrolla la metodología propuesta en el capítulo
4 para calcular las tasas de falla permanentes y
temporales, la cantidad de usuarios atendidos
por cada tramo de red, la carga por cada tramo
de red y el diagrama del sistema. Se incrementa
el vector que contiene a los tramos de red en los
cuales no pueden ser instalados fusibles, ya sea
porque pertenecen a la sección principal o porque
son nodos en los cuales la cantidad de usuarios
conectados es nula.
5.2.1 Indicador SAIFI
En la Tabla V se observan los resultados ob-
tenidos con las dos técnicas de solución, en las
cuales varía la ubicación de dispositivos, pero se
conserva el mismo valor de función objetivo.
Se observa en los resultados de la Tabla VI
que el AGCB propone una solución más eficiente
que la propuesta por el paquete de optimización
RESPUESTA PARA EL ÍNDICE SAIFI EN EL SISTEMA DE PRUEBA 2
Estrategia de solución
Reconectador Fusible
AGCB 1,8,14,33 --
GAMS 1,8,14,33 --
Fuente: autores
RESPUESTA PARA EL ÍNDICE MAIFI EN EL SISTEMA DE PRUEBA 2
Estrategia de solución
Reconectador
AGCB 1,8,14,18 19,24,26,29,32, 34, 35, 39, 41, 44, 45, 46
GAMS 1,8,14,18 19,24,26,29,32, 34, 35, 39, 41, 44, 45, 46
Fuente: autores
comercial (GAMS), pues aparte de encontrar una
solución óptima con el mismo valor de función
objetivo, la solución que encuentra propone la
ubicación de un fusible menos, por lo cual, desde
el punto de vista económico, es mejor la solución
dada por la metaheurística.
5.2.2 Indicador MAIFI
A continuación se muestran las respuestas
obtenidas por las dos técnicas de solución em-
pleadas, para la minimización del índice MAIFI.
Es importante repetir que para este sistema se
tiene una consideración adicional, la cual limita el
número de elementos en cascada a seis.
Los resultados obtenidos en el sistema de
prueba 2 tienen un comportamiento similar al sis-
tema de prueba 1, en el cual para la minimización
de este índice se ubican fusibles cuyo esquema
de coordinación no emplea salvamento.
Con el AGCB, además de encontrar la solución
dada por GAMS, también encuentra otras so-
luciones en las que la ubicación de dispositivos
es diferente para todas las propuestas, pero el
valor de función objetivo es el mismo (ver Tabla
VII). De acuerdo con esto, depende de la empresa
distribuidora seleccionar cuál se ajusta más a sus
necesidades, en función de otras variables que no
están contenidas en este proyecto.
Además, se tienen ubicaciones en las que el
número de dispositivos instalados es menor que
en la respuesta dada por el paquete de optimiza-
ción comercial, siendo esto, un beneficio econó-
mico para la empresa prestadora del servicio.
TABLA V
Ubicación de dispositivos
SAIFI
Fusible salvamento
19,20,23,24,26,29, 31,32,34,35,38,39, 40,41,42,43,44,45, 46 6.3030
19,20,23,24,26,29, 31,32,34,35,37,38, 39,40,41,42,43,44, 45,46 6.3030
TABLA VI
Ubicación de dispositivos
MAIFI
Fusible Fusible para salvamento
-- 7.8374
-- 7.8374
Ubicación óptima de reconectadores y fusibles en sistemas de distribución - Gallego, Montoya, Hincapié, Granada 125

TABLA VII
RESPUESTAS ADICIONALES PARA EL ÍNDICE SAIFI EN EL SISTEMA DE PRUEBA 2

Óptimos alternativos Ubicación de dispositivos

encontrados con el MAIFI
AGCB Reconectador Fusible Fusible para salvamento

Respuesta adicional 1 1,8,14,18 19,23,24,26,29, 32, 34, 35, 39, 41, 44, 45, 46 -- 7.8374
19,23,24,26,29, 31,32, 34, 35, 38 39, 41,42, 43,44,
Respuesta adicional 2 1,8,14,18 -- 7.8374
45, 46
Respuesta adicional 3 1,8,14,18 19,23,24,26,29, 34, 41,45,46 -- 7.8374
Respuesta adicional 4 1,8,14,18 19,24,26,29,34, 35,37,38,40,41, 42, 44, 45, 46 -- 7.8374
Respuesta adicional 5 1,8,14,18 19,23,24,29,31, 32,34,35,39,41, 43, 44, 45, 46 -- 7.8374
Respuesta adicional 6 1,8,14,18 19,24,29,34,38, 41, 42,44,46 -- 7.8374
Fuente: autores

6. CONCLUSIONES Se modificó el modelo matemático del prob-

Para solucionar el problema de ubicación óp-
tima de reconectadores y fusibles en sistemas de
distribución que minimicen los índices de confia-
bilidad SAIFI y MAIFI, se propone una metodología
que emplea como técnica de solución el AGCB,
el cual, a partir de una población de individuos
factible, evoluciona para encontrar la respuesta
óptima; es decir, una ubicación recomendable
de dispositivos de protección en el sistema bajo
estudio. Además se emplea el paquete de optimi-
zación comercial GAMS, con el fin de comparar los
resultados obtenidos y así, demostrar la eficiencia
del AGCB.
El uso de técnicas metaheurísticas para la
solución de problemas de gran tamaño y un nivel
de complejidad alto como es el caso de los sis-
temas eléctricos, permite obtener un conjunto de
soluciones alternativas adicionales a la solución
óptima obtenida por un paquete de optimización
comercial, permitiéndole al usuario, en este caso
el operador de red, inclinarse por la respuesta que
más se acomode a sus necesidades.
La metodología propuesta es flexible, ya que
puede ser implementada en diferentes sistemas
de distribución independientemente de su ta-
maño, siempre y cuando se tenga una topología
radial.
Se demuestra la importancia que tiene una
buena coordinación de dispositivos de protección
y se verifica la utilidad de implementar fusibles
con esquema de salvamento, con el fin de reducir
índices de confiabilidad como es el caso del SAIFI,
para evitar sanciones por parte de las entidades.
lema presentado en [18], y se agregó un conjunto
de restricciones asociadas al máximo número de
elementos en cascada que pueden ser ubicados
sobre el alimentador y sus laterales para evitar
problemas de coordinación entre dispositivos y
tener un mayor control en los tiempos de oper-
ación de estos.
REFERENCIAS
[1] M. T. G. Donalvo, A. E. D. Tio and W. R. D. Tarnate,
“Maximizing reliability by optimal siting of distributed
generation and protective devices,” Environment and
Electrical Engineering (EEEIC), 2015 IEEE 15th Inter-
national Conference on, Rome, 2015, pp. 455-460.
Doi: 10.1109/EEEIC.2015.7165205.
[2] B. Baruah, S. Das and M. Ghosh, “Optimal place-
ment of protective devices in a distributed power
system,” 2015 Annual IEEE India Conference (INDI-
CON), New Delhi, 2015, pp. 1-6. doi: 10.1109/INDI-
CON.2015.7443358.
[3] Yuting Tian and J. Mitra, “A pareto-optimal approach to
design of distribution system protection,” North Ame-
rican Power Symposium (NAPS), 2015, Charlotte, NC,
2015, pp. 1-5. doi: 10.1109/NAPS.2015.7335250.
[4] Kagan N., Prieto H., Barioni C., Robba J., “Otimização
da Qualidade de Fornecimento pela Localização de
Dispositivos de Proteção e Seccionamento em Redes
de Distribuição”, Anais do II Seminário Brasileiro So-
bre Qualidade de Energia Elétrica (Digital -CD), 16 a
19 de Novembro de 1997, São Lourenço – MG.
[5] F. Soudi and K. Tomsovic, “Optimized distribution pro-
tection using binary programming,” in IEEE Transac-
tions on Power Delivery, vol. 13, no. 1, pp. 218-224,
Jan 1998. doi: 10.1109/61.660881.
126 ITECKNE Vol. 13 Número 2 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • diciembre 2016 • 113 - 126
[6] F. Soudi and K. Tomsovic, “Optimal trade-offs in dis-
tribution protection design,” in IEEE Transactions on
Power Delivery, vol. 16, no. 2, pp. 292-296, Apr 2001.
doi: 10.1109/61.915498.
[7] N. Kagan and C. C. B. Oliveira, “Goal planning and risk
analysis for distribution reliability indices,” Electricity
Distribution, 2001. Part 1: Contributions. CIRED. 16th
International Conference and Exhibition on (IEE Conf.
Publ No. 482), Amsterdam, 2001, pp. 6 pp. vol.2-. doi:
10.1049/cp:20010752.
[8] Silva, L.G.W. Alocação otimizada de dispositivos de
proteção em sistemas de distribuição de energia elé-
trica. Dissertação (Mestrado) - Faculdade de Engen-
haria de Ilha Solteira, Universidade Estadual Paulista,
Ilha Solteira, 2002.
[9] Silva, L.G.W. Desenvolvimento de uma metodologia
integrada para alocação otimizada de dispositivos de
controle e proteção previsão de carga em sistemas de
energia elétrica. Dissertação (Doutorado) - Faculdade
de Engenharia de Ilha Solteira, Universidade Estadual
Paulista, Ilha Solteira, 2005.
[10] Moreti, E. Análises e estudos para alocação e ajustes
de dispositivos de proteção em redes de média tensão
de energia elétrica com geração Distribuída. Disser-
tação (Mestrado) - Faculdade de Engenharia de Ilha
Solteira, Universidade Estadual Paulista, Ilha Solteira,
2007.
[11] Reyes J., Morales M., Garcia-Santander L., Pezoa J. E.,
“Optimal location of reclosers in distribution networks
in order to minimize the average interruption frequen-
cy”. Revista: Ingeniare, Vol 17, No 2, April 2009 pp.
205-212.
[12] M. H. Kim, S. H. Lim, J. F. Moon and J. C. Kim, “Method
of Recloser-Fuse Coordination in a Power Distribution
System With Superconducting Fault Current Limiter,”
in IEEE Transactions on Applied Superconductivity, vol.
20, no. 3, pp. 1164-1167, June 2010. doi: 10.1109/
TASC.2010.2040821.
[13] G. D. Ferreira, A. S. Bretas and G. Cardoso, “Optimal
distribution protection design considering momentary
and sustained reliability indices,” Modern Electric
Power Systems (MEPS), 2010 Proceedings of the In-
ternational Symposium, Wroclaw, 2010, pp. 1-8.
[14] F. Darabi, A. T. Shooshtari, E. Babaei and S. Darabi,
“Reliability cost allocation of protective devices using
binary programming,” Business, Engineering and In-
dustrial Applications (ISBEIA), 2011 IEEE Symposium
on, Langkawi, 2011, pp. 469-474. doi: 10.1109/IS-
BEIA.2011.6088860.
[15] C. Toro, R. A. Hincapié, R. A. Gallego, “Ubicación Óp-
tima de Elementos de Protección en Sistemas de
Distribución de Energía Eléctrica,” Revista Scientia Et
Technica, vol. XVI, núm. 48, agosto, 2011, pp. 13-18.
Universidad Tecnológica de Pereira. Pereira, Colombia.
[16] G. D. Ferreira, A. S. Bretas, “A Nonlinear Programming
Model for Electric Distribution System Reliability Opti-
mization”. Department of Electrical Engineering, Fede-
ral University of Rio Grande do Sul, Mayo 2012.
[17] C. A. Peñuela, “Desemvolvimento de Técnicas e Mo-
delos Matemáticos para Solução do Problema do
Manejamento da Expansão e Operação de Sistemas
de Distribuçã de Energia Eléctrica Com Geradores Dis-
tribuídos”. Universidade Estadual Julio de Mesquita
Filho, Facultade de Engenharia, Campus Ilha Solteira,
2012.
[18] A. E. D. C. Tio, I. B. N. C. Cruz, B. M. Malquisto and
R. D. del Mundo, “A binary programming model for re-
liability optimization considering fuse-blow and fuse-
save schemes,” TENCON 2012 - 2012 IEEE Region 10
Conference, Cebu, 2012, pp. 1-6. doi: 10.1109/TEN-
CON.2012.6412247.
[19] Sh. Abdi, K. Afshar, S. Ahmadi, N. Bigdeli, M. Abdi,
“Optimal recloser and sectionalizer allocation in dis-
tribution networksusing IPSO-Monte Carlo approach”.
Imam Khomeini International University, Electrical En-
gineering Department, 2013.
[20] J. H. Holland, “Adaptation in natural and artificial sys-
tem: An introductory analysis with applications to bio-
logy, control and artificial intelligence”. The University
of Michigan Press, 1975.
[21] D. E. Goldberg, “Genetics Algorithms in search optimi-
zation and machine Learning,” Addison Wesley Rea-
ding, Mass, 1989.
[22] Z. Michalewicz, “Genetics Algorithms + data structure
evolution programs,” Artificial Intelligence, Springer,
Berlin, 1996.
[23] P.C. Chu and J.E. Beasly, “A Genetic Algorithm for the
generalized assignment problem,” Computers Opera-
tion Research, 24(1), pp 17-23, 1997.
[24] R. A. Gallego; A. H. Escobar., E. Toro. “Técnicas meta-
heurísticas de optimización,” 2 ed. Pereira: Universi-
dad Tecnológica de Pereira, 2008.